PulseAugur
实时 18:12:08
English(EN) A PAC-Bayes Approach for Controlling Unknown Linear Discrete-time Systems

PAC-Bayes框架为学习系统控制器提供新方法

研究人员开发了一个新的PAC-Bayes框架,旨在学习未知随机线性离散时间系统的控制器。该框架为任何学习到的控制器提供了数据依赖的、高概率的性能界限。所提出的算法提供了理论保证,并适用于有限和无限控制器空间,数值结果表明在特定场景下性能可与LQG相媲美。 AI

影响 引入了一个新颖的控制系统理论框架,可能对机器人和自动化领域的AI应用产生影响。

排序理由 一篇在arXiv上发表的学术论文,详细介绍了一个新的理论框架和算法。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Yujia Luo, Ye Pu, Jonathan H. Manton, Jingge Zhu ·

    A PAC-Bayes Approach for Controlling Unknown Linear Discrete-time Systems

    arXiv:2605.10493v2 Announce Type: replace-cross Abstract: This paper presents a PAC-Bayes framework for learning controllers for unknown stochastic linear discrete-time systems, where the system parameters are drawn from a fixed but unknown distribution. We derive a data-dependen…